如何将 keras 模型集成到 tensorflow 网络中

Question

我想将经过 keras 训练的模型集成到 tensorflow 网络中，以帮助训练 tensorflow 模型，即不需要再次训练 keras 模型，它只会对 tensorflow 模型产生损失。下图是基本的网络架构。

以下代码是为 keras 模型生成损失。但是，不幸的是，它未能加载预训练的 keras 模型，尽管它没有给出任何错误。即，代码可以工作，但它只是加载了一个随机模型（变量的随机值），它返回一个随机值，而不是预训练模型生成的值。

def keras_loss(sess,prediction):
  #import package
  from keras.models import Model
  from keras.models import Sequential
  from keras.layers import Dense, Dropout,InputLayer
  from keras.applications.inception_resnet_v2 import InceptionResNetV2
  from keras.applications.inception_resnet_v2 import preprocess_input  
  from keras.preprocessing.image import load_img, img_to_array
  from keras import backend as K

  K.set_session(sess)  #sess is the tensorflow model
  K.set_learning_phase(False)
  base_model = InceptionResNetV2 (input_shape=(None, None, 3), include_top=False, pooling='avg', weights=None)
  x = Dropout(0.75)(base_model.output)
  x = Dense(10, activation='softmax')(x)

  model = Model(base_model.input, x) #load the pretrained model
  model.load_weights('./inception_resnet_weights.h5')
  score = model(prediction)  #prediction is a tf tensor

  return score

我阅读了stackoverflow上的相关说明： 1Calling a Keras model on a TensorFlow tensor but keep weights [2]Tensorflow op in Keras model [3]Implementing a tensorflow graph into a Keras model

但它仍然无法解决我的问题。有人可以帮助我吗？ 提前致谢

Answer 1

来自kerasdocs：

权重：无（随机初始化）或“imagenet”（ImageNet 上的预训练）之一。

您想使用weights='imagenet' 而不是None。